信息推送方法、装置、设备、存储介质和程序产品与流程

本申请涉及大数据，特别是涉及一种信息推送方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、账户服务，指各类机构为对象提供的与账户相关的一系列服务。这些服务包括但不限于账户的开立、管理、查询、费用管理、账户安全保护等。目前对于存量客户，一般采用业务人员通过客户预留的联系方式人工逐个联系推广账户服务。

2、然而，账户服务开通推广的对象数量庞大，现有方法依赖业务人员目标客户逐一推广，既耗费大量人力，且效率低下。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高信息推广精度和效率的信息推送方法、装置、计算机设备、存储介质和计算机程序产品。

2、第一方面，本申请提供了一种信息推送方法，所述方法包括：

3、获取属于注册对象、且与目标服务相关的基础信息；

4、通过预先训练好的多个目标预测模型，分别基于所述基础信息对所述注册对象开通所述目标服务的意愿进行预测，得到多个预测概率；

5、基于所述多个预测概率，确定所述注册对象开通所述目标服务的目标概率；

6、若所述目标概率满足预设推送条件，则向所述注册对象推送与所述目标服务相关的推广信息。

7、在其中一个实施例中，所述基于各目标预测模型的预测概率，确定所述注册对象开通所述目标服务的目标概率，包括：

8、对各目标预测模型的预测概率进行加权平均，将加权平均结果作为所述注册对象开通所述目标服务的目标概率。

9、在其中一个实施例中，所述基于各目标预测模型的预测概率，确定所述注册对象开通所述目标服务的目标概率，包括：

10、基于各目标预测模型的预测概率，生成初始种群的个体；

11、对所述初始种群的个体进行非支配排序，得到排序结果；

12、基于所述排序结果和个体的拥挤距离，从所述初始种群中选取多个优化个体；

13、基于所述多个优化个体，生成新的种群；

14、将所述新的种群和所述初始种群进行合并，得到合并种群，将所述合并种群作为下一迭代过程中的初始种群，并返回所述对所述初始种群的个体进行非支配排序，得到排序结果的步骤继续执行，直至达到预设停止条件，获得目标种群；

15、从所述目标种群中选取任一个体作为注册对象开通目标服务的目标概率。

16、在其中一个实施例中，所述方法还包括：

17、获取测试集；所述测试集包括多个测试样本，每个测试样本包括对象的基础信息以及标签数据；所述标签数据用于标注所述对象是否开通所述目标服务；

18、获取多个预先训练好的预测模型；每个预测模型采用不同的机器学习算法；

19、通过多个预先训练好的预测模型分别对所述测试集进行预测，得到各预测模型的预测值；

20、针对每个预测模型，基于所针对预测模型的预测值与对应的标签数据之间的误差，确定所针对预测模型的置信度；

21、按照置信度从大到小的顺序排序，从排序结果中选取多个置信度大于预设阈值的预测模型，并将选取的预测模型作为目标预测模型。

22、在其中一个实施例中，所述方法还包括：

23、获取训练样本；所述训练样本包括对象的基础信息和标签信息，所述标签信息用于标注所述对象是否开通所述目标服务；

24、获取多个初始模型；各初始模型所采用的机器学习算法不同；

25、针对每个初始模型，通过所针对初始模型对所述训练样本进行处理，得到预测概率；

26、根据所述预测概率与所述训练样本对应的标签信息之间的误差，调整所针对初始模型的结构参数并继续训练，直至满足预设条件时，停止训练，并获得训练好的所针对预测模型。

27、在其中一个实施例中，所述获取训练样本，包括：

28、获取注册对象的文本数据；

29、对所述文本数据进行离散化处理，得到离散数据和标签数据；

30、对所述离散数据进行特征选择和特征降维处理，得到所述注册对象与目标服务相关的基础信息；

31、基于所述基础信息和所述标签数据，生成训练样本。

32、第二方面，本申请还提供了一种信息推送装置。所述装置包括：

33、数据获取模块，用于获取属于注册对象、且与目标服务相关的基础信息；

34、预测模块，用于通过预先训练好的多个目标预测模型，分别基于所述基础信息对所述注册对象开通所述目标服务的意愿进行预测，得到多个预测概率；基于所述多个预测概率，确定所述注册对象开通所述目标服务的目标概率；

35、推送模块，用于在所述目标概率满足预设推送条件时，向所述注册对象推送与所述目标服务相关的推广信息。

36、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述信息推送方法的步骤。

37、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述信息推送方法的步骤。

38、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述信息推送方法的步骤。

39、上述信息推送方法、装置、计算机设备、存储介质和计算机程序产品，收集与注册对象相关且针对目标服务的基础信息，运用已经训练好的多个目标预测模型，对注册对象开通目标服务的意愿进行深度预测，这一过程不仅精准地揭示了注册对象对目标服务的真实需求，而且通过综合多个预测概率，可以确定一个更为全面、客观的目标概率，从而更精确地反映注册对象开通目标服务的可能性；只有当目标概率满足预设推送条件时，才向注册对象精准推送与目标服务紧密相关的推广信息，这种方式不仅极大地提升了推广的精准度、有效性和效率，更通过个性化的服务推荐，显著增强了注册对象的粘性和忠诚度。

技术特征：

1.一种信息推送方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于各目标预测模型的预测概率，确定所述注册对象开通所述目标服务的目标概率，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于各目标预测模型的预测概率，确定所述注册对象开通所述目标服务的目标概率，包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，所述获取训练样本，包括：

7.一种信息推送装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结本申请涉及一种信息推送方法、装置、计算机设备、存储介质和计算机程序产品，涉及大数据技术领域。所述方法包括：获取属于注册对象、且与目标服务相关的基础信息；通过预先训练好的多个目标预测模型，分别基于所述基础信息对所述注册对象开通所述目标服务的意愿进行预测，得到多个预测概率；基于所述多个预测概率，确定所述注册对象开通所述目标服务的目标概率；若所述目标概率满足预设推送条件，则向所述注册对象推送与所述目标服务相关的推广信息。采用本方法能够提升了推广的精准度和效率。技术研发人员：杨卜菘,蔡为彬,周远侠受保护的技术使用者：中国工商银行股份有限公司技术研发日：技术公布日：2024/7/29